-
===Letra A===
As ferramentas Olap agregam recursos de armazenamento, gerenciamento e pesquisa de dados, os quais são primordialmente voltados para a tomada de decisões e BI (business intelligence). (Certo)
===Letra B===
Um sistema ETL, que faz parte do processo de construção de um data warehouse, por ser voltado para a tomada de decisões, utiliza unicamente a DSL (decision support language), não suportando a SQL (structured query language). (Errado)
ETL (EXTRACT – TRANSFORM – LOAD)
-Destina-se à extração, transformação e carga dos dados de uma ou mais bases de dados de origem para uma ou mais bases de dados de destino (data warehouse);
-A extração e a carga são obrigatórias para o processo, sendo a transformação/limpeza opcional.
-Um sistema ETL precisa ser capaz de se comunicar com bases de dados e ler diversos formatos de arquivos utilizados por toda a organização.
-O ETL visa trabalhar com toda a parte de extração de dados de fontes externas, transformação para atender às necessidades de negócios e carga dos dados dentro do Data Warehouse;
===Letra C===
Em uma modelagem multidimensional do tipo snow flake, as métricas ficam inseridas nas dimensões.(Errado)
===Letra D===
Em comparação com o ambiente transacional, o ambiente de data warehouse, devido à carga de dados com o ETL, deve estar mais voltado para inserção e atualização de dados do que para consultas.(Errado)
O data warehouse tem duas operações: a carga dos dados e o acesso a esses dados em modo somente de leitura (os dados não podem ser alterados).
===Letra E===
Data mining é um conjunto de técnicas e ferramentas que permitem obter valores futuros a partir de dados passados processados estaticamente. Data mining substitui o data warehouse em relação à tomada de decisão, pois ambos possuem os mesmos recursos. (Errado)
Data mining: É usado para descobrir regras, identificar fatores e tendências-chave, descobrir padrões e relacionamentos ocultos em grandes bancos de dados para auxiliar a tomada de decisões.
-
OLAP é uma ferramenta de Business Inteligence utilizada para apoiar as empresas na análise de suas informações, visando obter novos conhecimentos que são empregados na tomada de decisão. O termo OLAP refere-se a um conjunto de ferramentas voltadas para acesso e análise ad hoc de dados, com o objetivo final de transformar dados em informações capazes de dar suporte as decisões gerenciais de foma amigável e flexível ao usuário e em tempo hábil.
Fonte: https://www.devmedia.com.br/um-estudo-sobre-as-ferramentas-olap/6691
-
GAB. A
A) OLAP (Processamento analítico on-line) É um conjunto de princípios vagamente definidos que fornecem uma estrutura dimensional de suporte à tomada de decisões e e BI (business intelligence).
B) ETL – Extração, Transformação e Carga. No ambiente de data warehouse, os dados são inicialmente extraídos de sistemas operacionais e de fontes externas, posteriormente integrados e transformados (limpos, combinados, validados, agregados e sumarizados), antes de serem carregados no data warehouse (DW)
Os projetos de data warehouse consolidam dados de diferentes fontes. A maioria dessas fontes tendem a ser bancos de dados relacionais, sendo, o SQL (Structured Query Language) Linguagem padrão para acesso a bancos de dados relacionais.
C) Snow flake (Floco de neve) Dimensão normalizada em que uma dimensão de tabela simples é decomposta em uma estrutura de árvore com, potencialmente, muitos níveis de alinhamento. O Lugar de métrica é na tabela fato, seja no esquema estrela ou floco de neve.
D) Os sistemas de DW/BI visam apoiar a tomada de decisão, oferecendo facilidade de consulta e de análise a dados históricos. A inserção e a atualização de dados são características dos sistemas transacionais e não do DW.
E) Um não substitui o outro, eles se complementam! A mineração de dados, inclusive, pode ser realizada sobre um data warehouse.
Fonte: Passei direto.com
-
As siglas OLTP e OLAP são bastante utilizadas no universo do Business Intelligence (BI). ...
O OLAP, trata da capacidade de analisar grandes volumes de informações nas mais diversas perspectivas dentro de um Data Warehouse (DW).
As informações são primordialmente voltadas para a tomada de decisões e BI (business intelligence).
-
LETRA D
Data Mining substitui o (Data Warehouse)? Jamais
Data Mining versus Data Warehouse
A proposta de um DW é sustentar a tomada de decisão com dados.
A Data Mining pode ser usada em conjunto com o DW para auxiliar certos tipos de decisão.
Data Mining pode ser aplicada a bancos de dados operacionais com transações individuais.
Para fazer a Data Mining mais eficiente, o DW deve ter uma coleção de dados agregados ou sumarizados.
Data Mining auxilia na obtenção de novos padrões que não poderiam ser encontrados simplesmente pesquisando (querying) ou processando dados ou metadados no DW. O uso de Data Mining é fortemente recomendável desde o início, na fase de projeto do DW.
Além disso, as ferramentas de Data Mining deveriam ser projetadas para facilitar seu uso em conjunto com o DW. De fato, em bancos de dados muito grandes da ordem de terabites de dados, o sucesso de aplicações de Data Mining dependerá primeiro da construção do DW.
Ramez Elmasri e Shamkant B. Navathe
-
Acertei a questão. Porém, aprendi que OLAP também pode ser utilizado para navegar/obter informações em bancos de dados analíticos/multidimensionais através de comandos Roll-Up e Drill-down. Confere?